或许是被邵亦波说服，张溪梦“心动了”，真的将GrowingIO的团队从加州硅谷搬到了北京望京。事实证明，投资人的眼光和创业者的选择是正确的。GrowingIO于今年6月获得经纬中国领投的2000万美元A轮融资，创下SaaS行业融资额新高。而张溪梦，这个曾经的领英大佬，当下正以GrowingIO创立者的身份吸引着市场、媒体和无数同行的关注。
将“硅谷基因”带回中国
2015年5月，飞机落地，张溪梦带着他的创业团队回到了北京，等待他的是投资人、资金和新成员。北京离张溪梦的家乡天津坐高铁最短只需要34分钟，而从天津的外科医生到硅谷互联网界华人大神Simon Zhang，这条路张溪梦走了15年。
还在医学院时，张溪梦最大的兴趣却是计算机，热衷于游戏和编程，他自谦“一直不是特别好的学生”。毕业后，肿瘤医院医生的职业没能抵过数据和代码的吸引力，张溪梦毅然决然踏上了赴美留学的道路。
念MBA、进名企，张溪梦的美国职场之路显得中规中矩，直到2010年加入领英，他离自己职业生涯的第一个顶峰越来越近。在领英，从一个人的部门扩张至80多人的团队，同时获得4次晋升，直至当上领英商业分析部高级总监，这一切只花了他4年时间。
在这期间，张溪梦参与了整个领英的数据分析，建立了一个60%都是中国人的团队，彼时的他已经是数据分析方面世界级的专家。身在硅谷，又参与了领英的崛起，张溪梦的创业热情早已被点 燃。
面对回国的选择，邵亦波的劝说固然极具煽动性，张溪梦还是进行了周密的考量：海外数据分析已经很成熟，中国仍有空间和市场；创业的核心原因就是给中国企业带来价值，服务好中国客户是使 命。
互联网时代，中国巨大的人口红利投射出了等量的流量红利。伴随着流量红利的是“风口论”“趋势论”的盛行，于是无论是资源配置抑或是在社会关系上，“流量为王”成了众多互联网企业增长甚至存续的终极指南。然而，随着巨头对市场的统治地位进一步确立，流量红利逐渐枯竭。
“假设产品运营是水桶，我们忽然发现水桶还在不断地滴漏、遗失用户，没有把新来的用户转化成活跃的用户，使他们产生价值。”作为前领英高管，张溪梦清楚知道流量红利减少带来的冲击效 应。
在爱普生、Petco、eBay、领英这些顶尖的商业公司摸爬滚打了十几年，经验告诉他，拯救苦于流量的中国公司将是一笔大生意，数据公司GrowingIO就此诞生。
张溪梦在硅谷为领英带来过增长的价值，硅谷也为他的创业铺垫了经验和灵感。离开硅谷的时候，张溪梦被拉进了一个叫作“增长”的社交群，群里60%的话题是如何帮助企业找到产品和市场的匹配，40%在讨论如何用利用数据。
“群里的所有东西都变成一个SaaS软件，所以一个创业公司在没有资源的情况下要善用工具，‘工欲善其事，必先利其器’，用这些工具能获得很多像大公司一样的优势。”张溪梦介绍道，而GrowingIO要做的就是为企业提供获得优势的“利器”。
摘掉企业的眼罩
“其实今天我觉得很多企业好像都戴着眼罩在森林里面行走一样。他们看到的数据比较粗，那些数字背后，可能有很多虚的或者不太明确的东西。”张溪梦想要做的，就是摘掉企业的眼罩，让细节浮出水面。
按照张溪梦的观察，传统的企业效率的提高主要分两个流派。一个是不需要任何数据，通过商业直觉来做判断，在流量红利远去的今天造成的后果往往是“拍屁股走人”。
另一个是在欧美流行多年的数据化运营理论：通过用数据衡量每一个节点和拉新、转换、存留、变现等各个步骤，将新用户转化成核心用户，最后达到平台有效变现的目的。
尽管很多领先的互联网企业，包括中国的BAT，美国的谷歌、FaceBook等都用高级的数据分析方法驱动全公司运营，但在张溪梦看来，这套体系并不完美。
其中，人才、周期、成本是“重要的缺陷”，不适合今天动辄上亿级用户量的互联网企业继续做高速增长。尤其是产品经理想要监测点击事件等用户行为数据时，需要提前同工程师沟通，一个一个手动设置事件代码，工程量巨大，平均每监测一个点击事件需要半小时。
除了数量上的难题，还要面对个体的差异。“说穿了住在望京的和住在三里屯的人是不一样的。”张溪梦打了个形象的比喻，“看上去好像都是北京人，望京IT的人更聚集一些，三里屯有可能是媒体、网红。”
此前国内虽然有 GA、百度统计、友盟等数据分析工具，但是这些工具更偏重于页面访问量、活跃用户量、新增注册用户、交易数量以及支付成功率等基础指标，但无法支持更精细的数据分析，想要了解每一个用户在哪一个环节流失、用户的转化效果、用户属性等都需要埋点才能实现，而埋点不仅操作麻烦，还有漏埋和错埋的风险。
对此，张溪梦给出了“无埋点技术”的解决方案――无需埋点，即可采集全量、实时的用户行为数据。加载了GrowingIO 几行代码后，每个事件只要几秒钟就可以出数，也不再需要工程师的参与，效率有了显著提高。仅此数据采集一项，就可以帮助互联网创业公司节省60%的成本。
无埋点只是起点
刚刚过去不久的6月，GrowingIO宣布推出了新版本，在强大的无埋点技术和全量实时的数据分析功能的基础上，全新上线了更精细的漏斗对比、用户细查、热力图等实用功能。
为了让企业走出盲区，此次新版产品能够呈现用户行为的每一次点击、每一次跳转、每一次登录等全量、实时用户行为数据，并在此基础上，可通过用户分群、漏斗对比等功能，分析不同访问来源、不同城市、不同广告来源等多维度的不同转化细 节。
作为目前国内数据分析领域最靠谱的服务商，GrowingIO已经获得了北森、销售易、回家吃饭、明道、猎聘、人人贷、普惠金融、点融、百姓网、名片全能王、Camera360、唯品会-乐蜂等数千家客户的青睐，涵盖互联网金融、O2O、电商、SaaS等网站和App客户。
张溪梦向《时间线》记者表示，在工具之外，GrowingIO传达的其实是一个核心管理概念，背后蕴含着整个用户生命周期管理的方法论。只有真正深入找到具有大量价值的高级分析，并且用技术进行规模化才能支持前线使用数据的业务端人员，企业才能走出数据迷雾。
良好的投资背书、精干的创业团队，以及听上去完美的数据分析理念，GrowingIO这个创业界的“高帅富”却并非一帆风顺。虽然有了投资人的鼎力支持，但张溪梦坦承回国以后，不论是同行还是使用者，对GrowingIO最早期提出来的概念都充满了质疑。
要知道大数据和埋点紧密结合在一起，植入多段代码、建立模型、得出数据，这是大数据时代收集数据的惯例。GrowingIO推出的无埋点能行得通 吗？
数据分析分三个层次，EPR系统出来的交易值数据、CRM时代又发现了用户的地理位置、男女比例等，再后来是用户行为阶段，即用户怎么和内容交互。无埋点的方法，就是把用户行为收集数据做到进一步全量的收集，减低客户的成本。
“但是从某种意义上来讲，把这三点数据结合在一起才能发挥有效的作用。”张溪梦解释，“现在我们无论如何要帮助客户解决无埋点的问题，相信未来的产品会有这三方面的迅速打通，时间不会太久。”
事实上，早期储存、计算和可视化各种成本非常高，当时的理论是用时间换空间，因此以前的数据存放在结构化的数据库里，那些被认为无用的信息就被舍弃，而大数据的兴起实际是在用空间换时间。
张溪梦坚信以后的数据是智能的，在用户授权的情况下，就能以最快的时间帮助客户解决问题，而无埋点只是一个起点，“未来充满了想象空间和价值的增长点”。
Q&A
《时间线》：融了这么多钱怎么花？
张溪梦：首先会在产品研发上继续加大投入。这点毋庸置疑，因为未来会需要更好的产品和工具解决更多的业务问题，我们会不断加大对技术端及整个客户运营体系的投入。另外，一个好的企业服务公司要做好产品、做好自己的服务，肯定需要在服务体系上面加大投入。我们还希望有更多顶尖人才的加入。一个企业未来发展的关键，我个人强烈的信念就是在于人，而不是事和钱，人把不可能变成可能，所以在人才上要加大投入。
《时间线》：是否担心其他竞争者的模仿？
张溪梦：我个人来讲从来不担心竞争对手的模仿，这个世界上好的东西本来就应该以更快的方式传播出去，如果有好的方法论、好的产品，就应该让很多人用。模仿本身其实是很慢的事情，一个公司最重要的灵魂是创新性和创造力，这种创造力一方面基于想象力，另一方面也基于对客户的深刻理解。我希望在未来的中国，特别是企业服务领域，能够有更多的创新、充满创造力的产品做出来，帮助企业解决问题。我们对分享这件事并不吝啬，事实上GrowingIO一直都在把自己的方法论、产品和技术等拿出来跟大家分享。
《时间线》：您有什么经验可以分享给国内的创业团队呢？
张溪梦：首先，企业的管理者需要有数据驱动的意识。我在美国工作的十几年，看到了很多成功案例，像 linkedIn、Facebook、Airbnb 等企业通过数据分析来驱动业务运营，大幅度提升了业绩。
其次，国内的创业团队可以利用好最新的技术和工具，通过这些工具和方法论武装好自己。以往的技术观点是企业自建这些工具，例如自己搭建 BI 、自己搭建内部协作系统等。现在，优秀的创业者应该充分利用好各种工具，如云计算服务、第三方数据分析服务、第三方云通讯等。通过这些SaaS工具代替传统昂贵的自建投入，降低创业的成本和门槛。
最后，一线的业务人员应该熟练掌握各种效率型工具，特别是要把数据分析应用到一线业务。数据要像水一样在企业内部流动，在不同部门之间流动，进而发挥其最大的价值。
《时间线》：国内的大数据分析处于起步阶段，行业内现在最需要的是什么？
张溪梦：在价值认知上，国内的企业家需要认识到数据分析能够给他们的企业带来的巨大价值。
关键词：热控仪表；安装技术；故障；措施
中图分类号：C35文献标识码： A
1引言
目前，我国火力发电厂的发电机组绝大部分是使用的参数高、容量大的机组，对发电系统的自动化水平的要求也随之升高，热工控制系统在火力发电厂运营中扮演的角色也越来越重要。而设置相应的控制、测量、连锁及保护等设备是为了让发电机组适应负荷变化，能够经济、连续、安全地进行正常生产。控制不协调或指示不正确会导致生产失调事故，而热控仪表的失灵也会无法进行生产，因此，热控仪表的安装技术水平的提高能确保发电机组安全运行，还应不断深入分析安装的故障产生原因，进而改善、提高效益。
2热控仪表的安装
对取源部件、控制盘台、仪表管路、测量表计、电气接线和控制装置等六个设备进行安装是热控仪表安装的主要工作。其中仪表管路的安装工作较为重要，而且对安装质量的要求也较高。而热控仪表管路安装在电厂建设工程中是极为重要的作业，施工主要包括：热控仪表管路安装在电厂建设工程中是极为重要的作业，施工主要包括：测点核对、路径选择、支架制作安装、仪表管弯制、仪表管敷设和连接、焊口防腐、严密性试验等等。
2.1取源部件
安装取源部件的注意事项：在进行焊接操作时必须严格按照焊接操作规程进行作业；取源部件的端部不能超过管道或主设备的内壁；在焊接合金钢焊件之前要先预热，要对焊接完成后的汉口进行热处理；焊接热电偶保护管前，查看热电偶芯，检查保护管是否存在质量问题。
2.2控制盘台
在盘台的安装过程中，用螺栓将盘台、柜牢固地进行固定，注意不要损坏已完工的盘台的油漆层等项目。盘、柜接地应牢固可靠，盘间联接螺栓紧固、齐全，盘内电源回路绝缘环境要好。其盘柜之间间隙、垂直度、水平度的标准要符合要求，完成安装后不能对其进行剧烈工作。
2.3铺设仪表管
铺设管路时应避免交叉，尽量集中布置。二次设计仪表管路的线路弯头最少，应在便于操作、检修，不易受潮、受损的地方进行安装。管路中应设置补偿装置，否则如法预防主设备与管道的膨胀。
3热控仪表安装常见故障的原因
3.1人为因素影响
人为因素引起故障的方式有两种：第一是仪表维修人员在对仪表进行维修过程中因为不小心对仪表或仪表电缆造成了损坏；第二是仪表部件的丢失。为了避免这种人为因素对仪表的损坏，要求维修人员在注意防盗，尤其是体积较小外壳颜色带有有色金属的热控设备更要加强防范的同时，在对仪表进行检修前及时与热控工作人员取得联系并配合检测，在人为因素中还有一种可能会造成仪表故障，即维修人员维修技术经验不足，没有按照操作规范进行维修，因此要想避免这种认为因素引起的仪表故障，就要求维修人员认真学习专业知识和操作规范，培养树立爱岗敬业的精神，在维护过程中要求维护人员严格按照相关操作规范维护。
3.2环境因素影响
首先是仪表外壳的腐蚀。工作人员应注意仪表的保养，因电厂工作环境特殊，仪表的外壳一旦被腐蚀会导致拧不开仪表盖、腐蚀螺丝等现象，而且腐蚀性的液体或气体都会对仪表金属外壳造成化学腐蚀。
其次是密封故障。在安装热控仪表的过程中发生事故率最高的要数密封故障，其表现为锈蚀或不良导致仪表不能正常运行，由于潮湿气体、雨水、粉尘等进入电缆接口引起故障产生。比如，未能及时处理流入仪表内的雨水，部分零件就会被腐蚀、损坏。
第三是振动。固定仪表的螺丝、卡套松动，仪表汉口裂缝、接线不良等现象会随着周边环境的振动出现仪表故障。在施工过程中，根据实际环境，严格按照制度和规定进行安装。如在潮湿环境中安装时要注意表的内部元件的干燥，以防引起短路。在腐蚀性环境中安装时，为防止仪表被腐蚀性物质侵蚀，应注意选择适合的仪表材料。
第四是非人为损害。由于异物导致的仪表故障主要原因是煤块将磨煤机进口卡住，损坏了温度传感器或者异物卡住了调价阀，最终造成仪表不能正常工作。
4安装热控仪表的常见故障及防止措施
在安装热控仪表管路的过程中，由于受到人为因素、设备和工艺质量等的影响，容易出现错接仪表管路、管道堵塞、管道断裂、泄漏等问题。若能在安装过程中采取以下措施，将能够有效地避免相关问题的出现。
4.1防止热控仪表管路堵塞的措施
首先，安装前应对仪表管进行内部检查和清洗，清洗后为了防止管内进入杂物要对仪表管的端口进行全封闭。监理人员应对经过清洗和封口的管路进行检查和记录。在对管路进行敷设时，除了蒸汽测量管路，其他管路都应遵循“路径最短”原则，减少被测量物在管路中停滞的时间，提高仪表测量效率和灵敏度。仪表管的堵塞物质主要是水分和尘埃造成的，因此在测量气体的主设备和管路之间应添加一段上引的管路，利用重力作用使管中的尘埃和水分流回主设备中。为了防止管路中的沉积或者通行不畅，弯管的半径应比其外径大两倍以上，监理人员应在安装前监督相关人员进行测量，保证弯管半径符合要求。仪表管若直径相同，那么在焊接接口时必须避免两管错位。不同直径的管子需要对接时，应保证两管内径差小于2毫米，必要时可选用变径管。
4.2提高管路搭配的正确率
施工图纸是设计管路敷设方案的依据，在施工前，应仔细查看施工图纸上仪表的分布情况，然后根据仪表所处的位置和当地的自然条件设计热控管路的敷设方案，在路径设计上应以减少弯管使用量为原则，还要降低管道的交叉重合率。施工监理人员应对最终设计出的热控管路敷设方案进行严格的检查，指出不足，及时修改，保证方案的科学性和合理性。施工过程将设计图纸变为实体，实际操作中最容易产生差错。对于差错频发的敷设环节，如管路交叉处、弯管处、管路重叠处等。施工监理人员应增加对管路敷设的检查频率，督促施工人员严格按照施工图纸进行敷设和接管。施工过程中，每完成一定距离的敷设就要在标牌上标明此段管路的代号以及名称，监理人员可将标牌上的信息与设计方案上的信息进行核对，然后再对敷设好的管路进行核查，杜绝管口错接等问题的出现，减少返工次数。
4.3保证热控仪表管路的安装质量
对于需要并排安装的仪表管，应事先进行设计和规划。各仪表管的走势应一致，保持坡度相同。对于管路施工中需要悬挂的标志牌，在书写内容时字迹要清楚，悬挂高度也要相同，便于监理人员检查。在对仪表管进行敷设时，仪表管的高度应保持在同一水平，彼此之间的间距相等。再将管口进行对接时，应使对口处不偏移，避免对接错位。仪表管上的直管部分的相邻焊接口之间的距离应在一米以上。对于暴露在空气中的仪表管管口和部分压力容器上不能及时安装设备的取样口，都必须采取封口措施并进行记录。监理人员应随着施工的进程进行封口检查，保证每一个需要封闭的管口和取样口都得到封闭处理，每一次封闭都及时、规范、可靠。
5结束语
热控仪表管路的施工质量必须得到保证，但是又必须严格按照工期进行，因此在管路安装过程中应提高工艺质量，充分发挥监理人员的监督、检查作用，避免相关问题的出现。另外，在尽量避免高低温、振动、灰尘以及潮湿气体对施工的影响的同时，保证设备固定可靠、设备布置，电缆敷设，管路敷设整齐，并随时最好记录与验收工作，从而提高仪表的安装质量。从而推动我国的热控仪表安装技术的安全、稳定的发展。
参考文献：
摘 要：本文结合稳定分布理论和长记忆模型ARFIMA，研究股价行为的长记忆特性和分布特征，从股票市场结构及有效性的角度，通过涨跌幅限制实施前后的对比，分析涨跌幅限制对我国沪深证券市场股价行为的影响。结果表明：在涨跌幅限制前后，沪深两市都具有非线性和分形结构，但涨跌幅限制对沪深二市的影响并不相同，上海证券市场有效性得到了提高，而深圳证券市场有效性没有显著提高，却有减弱的迹象。
关键词：股市有效性；非线性；ARFIMA模型；稳定分布
中图分类号：F830.91 文献标识码：A
文章编号：1000-176X（2006）12-0054-05
一、引 言
对于股市结构及有效性的研究，人们提出了许多理论，其中线性范式占有主导地位。所谓线性是指股价行为是受众多独立因素影响的结果，这种影响满足可加性，从而根据中心极限定理，股票收益率服从正态分布。然而，股票收益率正态分布作为重要的基础假设正遭受越来越多的质疑。
对数收益率序列可能表现出相关性，而这种相关可以是短期相关的，也可以是长期的。如果是短期相关（即短记忆的），我们可以将其解释为市场摩擦或者信息流的非均匀到达，收益率序列的一阶相关和二阶相关可分别由ARMA模型和GARCH模型刻画。这时，有效市场假说在一定程度上仍不失为一种合理的假设。如果序列的相关持续很长时期（即序列是长记忆的），市场摩擦或信息流的非均匀性的解释就不合适了，而可能是非线性结构或非线性动力系统的一种表现。同时，大量的经验研究表明，对数收益率序列多表现出尖峰、肥尾特征，这意味着股票市场可能存在着非线性结构，从而线性范式下的理论并不能恰当刻画股市行为。一些非线性研究方法如(G)ARCH模型，长记忆过程，稳定分布理论，分形分析，混沌理论等新方法逐渐发展起来，并大量应用于股市结构及有效性以及其他金融经济学问题的研究。
从制度上对证券价格波动加以直接或间接限制的初衷是为了消除价格的异常波动，减少虚拟经济泡沫以及避免恐慌性股市崩溃。但是学术界对涨跌幅限制的争论却非常激烈，许多学者对涨跌幅限制措施提出质疑，认为涨跌幅限制不会使波动稳定下来，反而会导致波动性溢出和价格扭曲等效应。吕继宏，赵振全（2000）对我国股市的涨跌幅限制进行了研究，认为长期来看涨跌停板制度降低了市场波动；[1]孙培源和施东晖（2001）认为我国的涨跌幅限制并没有降低股市波动和投资者过度反应。[2]沈根祥（2003）利用随机波动模型对上证综合指数进行了研究，认为涨跌停板制度降低了上海证券交易所综合指数收益波动性，却增加了指数收益相关性。[3]刘海龙，吴冲锋等（2004，2005）通过实证研究发现，恰当的涨跌幅限制约束了市场剧烈波动；不恰当的涨跌幅限制不仅对波动性没有约束，反而在一定程度上增加了波动性。[4][5]上述文献从不同的角度研究了涨跌幅限制对股票市场影响的不同方面，但没有从稳定分布和长记忆模型的角度研究对股市结构及其有效性的做充分的研究。李亚静等(2003)根据Granger关于长记忆的定义，分析了沪深股票市场的长记忆特征，但没有具体分析涨跌幅限制的影响。[6]
本文结合长记忆模型ARFIMA和稳定分布理论，在非线性范式下研究我国沪、深二市股价行为的长记忆特性和稳定分布特征，并从股票市场结构及其有效性的角度，通过涨跌幅限制实施前后的对比，分析涨跌幅限制对我国沪深证券市场股价行为的影响。
二、研究方法
对于股市结构及有效性的研究，分析股市价格的分布特征是一个基本方法，所以有必要对股市价格分布的尖峰、肥尾特征做进一步的分析。GARCH模型可以刻画尖峰、肥尾现象，但是它刻画的是股价行为的局部特征，人们往往利用它拟合协方差平稳的过程。市场有效性假设，即鞅模型并没有要求过程必须是协方差平稳的，所以GARCH模型是有严重的局限性的。完整反映序列分布特征的是分布函数或者特征函数。所以，收益率分布的拟合是本文选用的重要方法。ARFIMA模型则可以进一步将收益率的内在结构以模型参数的形式明确地表达出来。股价行为的分布类型以及描述这种分布的ARFIMA模型是研究股市结构及有效性有力工具。
（一）稳定分布(Stable distribution)
针对于金融收益率序列的尖峰、肥尾特征，Mandelbrot提出用Stable Paretian分布（又称为分形分布、 Pareto或Pareto- Levy分布）拟合股票收益率。实际描绘稳定分布通常是在Mandelbrot（1963）的方式下进行的，稳定分布的特征函数f(t)满足[8]：
三、实证分析
（一）样本数据
本文采用上证综合指数和深成指数的日收盘价格指数作为分析对象。参照沈根祥（2003），两个指数都从1992年5月21日开始选取，到1996年12月16日实施涨跌幅限制之前一个交易日即1996年12月13日为一个样本区间，称为限制前区间；考虑到我国股票市场是一个新兴市场，市场特性的变化可能相对较快，处于可比性，涨跌幅限制后区间并没有选择自实施日开始到当前的所有数据，而是根据实施前区间长度，选择为1996年12月16日至2001年9月7日，即保持涨跌幅限制实施前后的比较区间长度一致。收益率计算采用对数收益率：
（二）实证分析结果
1.分布特征的初步分析
首先分别对上证综合指数和深成指数的涨跌幅限制前后期间的原始数据进行初步检验分析。
表1沪市深市收益率统计值
由表1中结果可以看出，沪市和深市在涨跌幅限制实施前后收益率分布的偏态和峰态统计量都显著异于正态 (正态下二者分别为 0和 3 ) ,而J- B统计量大于任意合理显著水平下的临界值，其尾概率接近于0。这反映了收益非正态和“尖峰厚尾”的分布特性，这一结论与许多关于国内、外金融市场的统计结果一致。这说明对于正态分布不能恰当的刻画我国股市收益率的分布特征。根据Mandelbrot的建议，下面利用稳定分布拟合我国股市收益率，分析其分布特征。
2.稳定分布特征分析
有多种方法可以估计稳定分布的特征参数α，β，δ，γ，例如log-log经验分布图形法，R/S分析的非参数估计法，极小化Kolmogorov距离法，稳定分布下的分位数法和极大似然法等，本文选用极大似然法进行估计，分别对沪、深市指数收益率在涨跌幅限制实施前后进行估计，结果如表2。
表2我国股市收益率稳定分布特征参数
由表2中的结果可以看到：所有区间上的尾部指数α∈（1，2），说明收益率的无条件二阶矩或总体方差无限或者不存在（或不是常数）。一个分布呈肥尾现象的充分必要条件是无限大处的规则变化。[7]所以，我国股市的超常剧烈波动具有一定的规律性。具体地，上证综合指数收益率分布在涨跌幅限制实施后，尾部特征指数α由1.279提高到1.478，偏斜度参数β由0.06变为-0.01，分别向正态分布的尾部指数2和偏度测度参数0接近，说明涨跌幅限制减弱了沪市的厚尾和有偏性，逐渐接近于正态分布，即上海证券市场有效性得到了提高 。而深圳成分指数收益率分布在涨跌幅限制实施后，尾部特征指数α没有提高，反而有轻微下降；偏斜度参数β由0.幅减低为0.02，右偏斜程度降低，逐渐接近于对称，这说明涨跌幅限制没有减少波动的持续性，却很大程度地降低了波动的有偏性。由此可以看出，对于沪市和深市的影响是不同的，对于沪市，涨跌幅限制提高了市场有效性，而对于深市，涨跌幅限制是否提高了市场有效性还不能得出明确的结论。下文结合ARFIMA模型再做进一步分析。
由于无论对于沪市还是深市，涨跌幅限制实施前后收益率分布的尾部特征指数α都小于2，所以收益率的总体方差是无限大或不是常数，方差概念不能反映股市总体风险的大小，而用尺度调整参数γ来反映总体风险的大小。对于沪市，尺度调整参数γ由0.0142减少为0.00809，对于深市，尺度调整参数γ由0.014减少为0.00881，说明沪市和深市的总体风险得到了降低。
3.ARFIMA模型分析
ARFIMA模型可以进一步将收益率的内在结构明确地表达出来，分析序列的长期记忆特性。分别在涨跌幅限制实施前后的两个时期上，对上证综合指数收益率和深证成分指数收益率、收益率的平方r2以及绝对值|r|进行分析。之所以讨论收益率序列的平方r2和绝对值|r|，是因为研究这种变换后的序列的特征，对市场风险的度量有用。表3―1和表3―2分别给出了沪市、深市的分数差分参数d的估计以及检验结果。
（1）沪市结构及有效性分析
在涨跌幅限制前，上证综合指数收益率序列的分数差分参数，即分形维数d＝-0.198。对其进行单边检验，发现d在10%的显著性水平小于0，说明沪市收益率序列表现出一定程度上的反持续性，即具有比随机序列更强的突变性或易变性。这一点可以与收益率的稳定分布的特征指数α的表现相互印证。由于技术限制，本文没有估计尾部特征指数α的置信区间，但是可以对所估计的4组数据的特征指数α进行比较分析，说明这种反持续性的存在。在所估计的4组数据的特征指数α中，沪市涨跌幅限制前的尾部特征指数α最小，与1比较接近。由前述可知，对于尾部指数α，1是一个临界点：如果尾部指数α小于1，意味着分布不仅没有总体方差，而且总体均值也不存在（或不是一个常数）。这正是反持续性的另一种表述：序列频繁地返回其自身，试图去建立另一个均值！这说明了在实施涨跌幅限制之前，上海证券市场的波动十分剧烈，成为实施涨跌幅限制的一个现实原因。在涨跌幅限制实施之后，上证综合指数收益率序列的分形维数d在统计上不显著，说明序列不再存在持久性和反持久性，收益率序列不再是长记忆的。
上证综合指数收益率序列的两个非线性变换序列平方r2和绝对值|r|，在涨跌幅限制实施前后，其分形维数d＞0，且都表现出统计显著性，意味着长记忆性的存在，这暗示反映收益率的风险的波动具有持续性，市场具有非线性结构。对比涨跌幅限制实施前后，发现平方序列r2的持续性没有发生明显变化，而绝对值序列|r|的持续性得到了减弱。综合分析发现，涨跌幅限制实施后，沪市有效性得到了明显提高。这与上证综合指数收益率的稳定分布特征分析结论是一致的。
（2）深市结构及有效性分析
在涨跌幅限制前后，深圳成分指数收益率序列的分形维数都不显著，说明不存在长记忆性。而在涨跌幅限制后，收益率序列的平方r2和绝对值|r|序列的分形维数都显著增加。其中，收益率的平方序列的分形维数由涨跌幅限制实施前的不显著变为实施后的显著大于0。所以，涨跌幅限制后，深圳证券市场结构的非线性得到了加强，市场有效性被减弱。结合深成指数收益率序列的稳定分布特征分析，可以得出结论，虽然涨跌幅限制后，收益率序列分布的有偏性被减弱，但收益率的波动的持续性被加强，助长了收益率波动，总体效果是市场有效性被减弱。
四、结论及进一步的讨论
本文认为，GARCH模型是收益率过程的一个局部模型，带有有限条件方差的GARCH模型可能仅仅刻画了分形分布的局部特征，而整个分布可能具有无限无条件方差或者无条件方差不是常数；对应于分形过程的稳定分布刻画了其整体结构，而ARFIMA模型能对这种结构给出参数性的具体分析，从长记忆的角度明确分形过程的非线性结构。
本文结合稳定分布和ARFIMA模型两种方法，以1996年12月16日（即涨跌幅限制实施的第一个交易日）为界，对比分析了沪深两市股价指数日收益率的分布特征。结果发现，在涨跌幅限制前后，中国股市日收益率都具有尖峰肥尾特征，但尖峰肥尾特征不能仅仅由GARCH模型刻画，沪深两市都具有非线性和分形结构，从而需要结合稳定分布和ARFIMA模型才能对其进行全面刻画。
由于采用了不同的分析方法，关于涨跌幅限制对中国股市结构和有效性的影响分析得出了不同的结论。具体的分析表明，在涨跌幅限制前后，中国股市结构及有效性发生了显著变化。上海证券市场有效性得到了提高，而深圳证券市场有效性没有显著提高，却有减弱的迹象。涨跌幅限制对沪深二市的影响并不相同，甚至相反，这说明涨跌幅限制的作用依赖于市场的具体情况，而不能简单的肯定或否认涨跌幅限制的作用。
进一步对沪深二市作具体的对比分析，也许会发现为什么会有如此的差异，为如何发挥涨跌幅限制的积极作用提供一些线索。希望在以后的研究中能够继续对此问题进行分析。
来自中国沪市和深市的经验证据都表明，股票市场存在非线性和分形特征。这说明相对于正态分布，稳定分布似乎是研究股票收益与风险的更合理的分析基础。果真如此，以正态分布和线性假设为基础的经典资产组合理论、资本资产定价模型、套利定价理论以及Black－Scholes期权定价模型等都需要重新加以考察。另外，股市的这种非线性特征是随机系统的表现还是确定性混沌的结果，对于经典的金融经济理论也具有重大影响，这还有待于进一步的分析。
参考文献：
[1] 吕继宏，赵振全.涨跌停板对股市波动的影响[J].吉林大学社会科学学报，2000，（5）.
[2] 孙培源，施东晖.涨跌幅限制降低了股价波动吗？[J].证券市场导报，2001，（11）.
[3] 沈根祥.股票收益随机波动模型研究[J].中国管理科学，2003，（2）.
[4] 刘海龙，吴冲锋，吴文锋，陈占锋，等.涨跌幅限制与流动性研究[J].系统工程理论方法应用，2004，（1）.
[5] 刘海龙，吴文锋，吴冲锋.涨跌幅限制对股票市场波动性的影响[J].上海交通大学学报，2005，（10）.
[6] 李亚静，何跃，朱宏泉.中国股市收益率与波动性长记忆性的实证研究[J].系统工程理论与实践，2003，（1）.
[7] 特伦斯.C.米而斯（Mills.T.C）,(1999).金融时间序列的经济计量学模型》（中译本）[M].北京：经济科学出版社，2002.
[8] Peters,e.,1994.Fractal Market Analysis:Applying Chaos Theory to Investment and Economics[M].John Wiley&Son,Inc.
[9] Richard T.Baillie.(1996). Long Memory Processes and Fractional Integration in Econometrics[J].Journal of econometrics,73,5-59.
[10] Geweke J.and S.Porter-Hudak (1983). The estimation and application of long memory time series models[J].Journal of Time Series Analysis, 4, 221-238.
寒假期间，我看了《上下五千年》，其中张仲景的故事我非常感动。
东汉末年，张仲景的家乡河南南阳发生了几次大瘟疫，在短短十年间，原本二百多人的大家族，有百分之七十的人死于伤寒，张仲景目睹这一幅幅家破人亡的悲惨景象，就痛下决心，一定要制服伤寒这个瘟神。从此，他埋头钻研各类古代医学专著，同时博采众方，广泛搜集整理民间的各种方药，采纳各家医术，并在临床实践中不断检验摸索。其中“蜜煎方药”的故事，让人感触很深。那是年少时随同乡张伯祖学医，遇到了一位虚弱的病人，只见他唇干起泡、额头滚烫，高热不退、精神萎靡，老师张伯祖诊断后认为需要泻药帮助病人解出干结的大便，但强烈的泻药恐怕会使体质极其虚弱的病人受不了。正当老师没有主见的时，窗外一群蜜蜂飞过，张仲景眼睛一亮，想到用蜂蜜煎药的法子。将蜂蜜边搅边熬，等熬成粘稠的团块，冷却后涅成一头尖的细条状，塞入病人，过了一会儿病人就排除了大堆腥臭的类便。由于热邪排尽，不久病人就康复了，这就是世界上最早使用的药物灌肠法。经过数十年呕心沥血的研究，张仲景对中医发展做出重大的贡献，所以后人称他为医圣。
我觉得非常了不起，当他一已心要为老百姓解决伤寒这个瘟疫的一刻起，他就天天非常刻苦地研究医学。他平时对周围事物观察非常仔细，做事非常认真，而且在别人需要帮助的时候，热心帮助别人，救死扶伤。让我非常敬佩，我要学习他认真钻研、仔细观察、乐于助人的精神，并充分发挥在学习上，好好学习，将来报效祖国。
文/张湖德
俗话说：“人非草木，孰能无情。”但人体若受到突然、强烈而持久的情志刺激，超过正常所能耐受的限度，导致情志内伤，就会引起疾病。
中医针对这类疾病，把情志与五脏联系起来，除了采用药物辨证施治外，还特别注重运用情志手段治疗，即所谓“上医者治神、治心也”。以激怒治郁病和以逗笑治郁病即是两个典型的例子。
从前，青龙桥有位姓王的儒生，得了一种怪病――喜欢独居暗室，不能接近灯光，更不能见阳光，偶尔走出暗室，病情更加严重，遍寻名医，屡治无效。有一天，名医李建昴经过青龙桥，家人忙请李医生前来替病人看病诊治。李医生诊毕，并未给病人处方开药，却向家人索取这位王儒生过去所写的文章，接过文章后就朗读起来，故意读错，而且读的声音很高，有意让王儒生听见。王儒生在暗室内听到有人乱读他的文章，便大声斥责：“读者何人?”李医生的读声更高。王儒生气愤至极，忘记了畏明的怪习惯，从暗室中跑出来，接过文章，就灯而坐，用手指着文章的字句，质问李建昴医生：“你不解句读，为何在此高声嘶闹?”王儒生经过这一激怒，郁闷得泄，怪病痊愈。
以逗笑治郁病的故事在民间也有流传。据说，南阳有个名医叫沈槐，已经70多岁了，膝下无子无女，一时间惆怅之情油然而生，慢慢地食不香、睡不好，渐渐忧虑成病。当地知情的医生知道心病难治，不知情的医生认为年逾古稀，断难康复。沈老医生的病日渐加重。名医张仲景知道后，赶到沈老医生家来，详细察看病情后，沉思许久，提笔书方：“用五谷杂粮面各1斤，蒸熟揉成蛋大团子，外涂朱砂，一顿食用。”沈槐看了方子，觉得非常可笑。他吩咐家人照法将5斤面团做好，挂在房檐下，逢人就指着房檐下那些面团子，得意地把张仲景奚落一番：“你们看，这就是大名医张仲景开给我吃的五谷杂粮面团，这5斤要一顿吃完!这真是笑话、滑稽、荒唐!哈哈，哈哈哈……”过了些日子，张仲景又来看望沈槐，见到老先生眉舒目展，又恢复了往日慈祥的容颜，内心高兴地说：“恭贺老先生病祛体良，学生斗胆班门弄斧了。”沈老医生恍然大悟，真是又佩服，又惭愧。原来张仲景是故意开个荒唐处方，让沈老医生见笑，忘却无子之忧，取疏肝理气之效。
清代有一个八府巡按，患了抑郁症，成天闷闷不乐，终日愁眉苦脸，请了很多名医诊治，吃了不少的药，而病情始终没有好转。有一天，一个无名老中医路经此地，家人请他为八府巡按治病。这位老中医进入官府，按脉良久，沉吟不语。好一会儿才恍然大悟地对病人说：“噢，你得的是月经不调症嘛!”这位八府巡按一听，禁不住捧腹大笑，并且一边笑一边说：“我堂堂男子汉，身为八府巡按，怎么会得月经不调症呢?!”以后，每当提及此事，这位八府巡按总是大笑不止。就在这一次一次的开怀大笑中，他的病不吃药而自愈。